BaZi-Based Character Simulation Benchmark: Evaluating AI on Temporal and Persona Reasoning
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL
Journal ref WordPlay Workshop 2025
AI 大模型
大模型推理能力
大模型数学、逻辑、规划、多步推理和测试时计算能力。
1. 推理评测 36 篇
GRE Suite: Geo-localization Inference via Fine-Tuned Vision-Language Models and Enhanced Reasoning Chains
机构 * Zhejiang University（浙江大学） ； Sun Yat-sen University（中山大学） ； NUS（国立大学）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI
Think before Recommendation: Autonomous Reasoning-enhanced Recommender
机构 * Taobao & Tmall Group of Alibaba, China（阿里巴巴集团淘宝与天猫事业部） ； National University of Singapore（新加坡国立大学） ； Institute of Dataspace, Hefei Comprehensive National Science Center（合肥综合国家科学中心数据空间研究院） ； Shanghai Key Laboratory of Data Science（上海数据科学重点实验室）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI
Comments NeurIPS 2025 poster
CXReasonBench: A Benchmark for Evaluating Structured Diagnostic Reasoning in Chest X-rays
机构 * KAIST（韩国国立科学技术院） ； Seoul National University Hospital（首尔国立大学医院） ； Seoul Medical Center（首尔医疗中心）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI
Comments Accepted at NeurIPS 2025 Datasets and Benchmarks Track
Activating Visual Context and Commonsense Reasoning through Masked Prediction in VLMs
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI
Comments 9 pages
Beyond Seeing: Evaluating Multimodal LLMs on Tool-Enabled Image Perception, Transformation, and Reasoning
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI
MECD+: Unlocking Event-Level Causal Graph Discovery for Video Reasoning
机构 * Shanghai Jiao Tong University（上海交通大学） ； Monash University（墨尔本大学） ； Zhongguancun Academy（中关村academy） ； Shanghai AI Laboratory（上海人工智能实验室）
专题命中 推理评测 ：reasoning(title,abstract)
Comments Accepted by IEEE TPAMI (IEEE Transactions on Pattern Analysis and Machine Intelligence). arXiv admin note: substantial text overlap with arXiv:2409.17647
DEEMO: De-identity Multimodal Emotion Recognition and Reasoning
机构 * Lappeenranta-Lahti University of Technology LUT（拉普兰塔-拉赫蒂技术大学） ； Nanyang Technological University（南洋理工大学） ； Brno University of Technology（布拉格技术大学）
专题命中 推理评测 ：reasoning(title,abstract)
Comments Accepted by ACMMM 2025
Journal ref Proceedings of the 33rd ACM International Conference on Multimedia (2025)
DocFinQA: A Long-Context Financial Reasoning Dataset
机构 * Kensho Technologies（肯斯霍技术公司）
专题命中 推理评测 ：reasoning(title)；分类 cs.CL、cs.AI
Comments 13 pages
Evaluating Large Language Models for Stance Detection on Financial Targets from SEC Filing Reports and Earnings Call Transcripts
机构 * Kansas State University（堪萨斯州立大学） ； Department of Computer Science（计算机科学系） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校）
专题命中 推理评测 ：chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI
On the Faithfulness of Visual Thinking: Measurement and Enhancement
机构 * Wuhan University（武汉大学） ； ByteDance（字节跳动）
专题命中 推理评测 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.AI
Evaluating Multimodal Large Language Models on Core Music Perception Tasks
机构 * Department of Psychology, Music and Audio Research Laboratory（心理学系、音乐与音频研究实验室） ； Department of Electronic Engineering and Computer Science（电子工程与计算机科学系）
专题命中 推理评测 ：reasoning(abstract)；CoT(abstract)；分类 cs.AI
Comments Accepted to the NeurIPS 2025 Workshop on AI for Music (AI4Music), 16 pages, 1 figure, 3 tables
Populism Meets AI: Advancing Populism Research with LLMs
机构 * Mount St. Mary’s University（圣玛丽大学） ； German Institute for Global and Area Studies（全球与区域研究所） ； Princeton University（普林斯顿大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Oxford（牛津大学） ； Diego Portales University（迪埃戈·波尔塔尔大学） ； ELTE Centre for Social Sciences（埃尔泰社会科学中心） ； Brigham Young University（Brigham Young 大学）
专题命中 推理评测 ：reasoning(abstract)；CoT(abstract)；分类 cs.CL
Comments 27 pages, 3 figures. Preprint version under review
Video-Thinker: Sparking "Thinking with Videos" via Reinforcement Learning
机构 * Southeast University（东南大学） ； Monash University（墨尔本大学） ； Xiaohongshu Inc.（小红书公司） ； University of Southern California（南加州大学） ； Fudan University（复旦大学）
专题命中 推理评测 ：reasoning(abstract)；chain-of-thought(abstract)
MedXplain-VQA: Multi-Component Explainable Medical Visual Question Answering
机构 * Faculty Of Information Technology VNU University of Engineering（信息科技学院越南工程大学） ； IT-BT Convergence Technology Division Vietnam-Korea Institute of Science（IT-BT融合技术部门越南-韩国科学技术院） ； TADI Global Lab TADI Global Company Limited（TADI全球实验室TADI全球有限公司） ； Faculty of Finance Banking Academy of Vietnam（金融学院越南银行学院）
专题命中 推理评测 ：reasoning(abstract)；chain-of-thought(abstract)
Comments 10 pages, 4 figures, IEEE conference format
ClaimGen-CN: A Large-scale Chinese Dataset for Legal Claim Generation
机构 * Zhejiang University（浙江大学） ； University of Innsbruck（因斯布鲁克大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.AI
CHOIR: Collaborative Harmonization fOr Inference Robustness
机构 * Texas A&M University（德克萨斯大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.AI
Comments updated version
PhysGym: Benchmarking LLMs in Interactive Physics Discovery with Controlled Priors
机构 * Center of Excellence for Generative AI, KAUST（生成人工智能卓越中心，KAUST） ； The Swiss AI Lab, IDSIA-USI/SUPSI（瑞士人工智能实验室，IDSIA-USI/SUPSI） ； NNAISENSE Principia-AI/PhysGym（NNAISENSE 原初人工智能/PhysGym）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI、cs.LG
Comments 31 Pages
Transformer Based Linear Attention with Optimized GPU Kernel Implementation
机构 * Department of Computer Science, Umiacs University of Maryland College Park, MD（计算机科学系，乌米亚茨大学马里兰大学学院公园分校）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.LG
Software Engineering Agents for Embodied Controller Generation : A Study in Minigrid Environments
机构 * Inria Center of Bordeaux University（Inria 波尔多中心大学） ； Flowers AI & CogSci Lab（Flowers AI 与认知科学实验室） ； LaBRI, Bordeaux INP, CNRS UMR 5800（LaBRI，波尔多 INP，CNRS UMR 5800） ； IMN, CNRS UMR 5293（IMN，CNRS UMR 5293） ； Inria - Flowers AI & CogSci Lab - BioTiC（Inria - Flowers AI 与认知科学实验室 - BioTiC）
专题命中 推理评测 ：reasoning(abstract,journal_ref)；分类 cs.AI
Comments 10 pages, 7 figures
Journal ref 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Efficient Reasoning
How AI Forecasts AI Jobs: Benchmarking LLM Predictions of Labor Market Changes
机构 * The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
Comments 8 pages + Limitations + References
On Generalization in Agentic Tool Calling: CoreThink Agentic Reasoner and MAVEN Dataset
机构 * CoreThink AI ； University of California, San Diego（加州大学圣地亚哥分校）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI
Comments Preprint
Agent-GSPO: Communication-Efficient Multi-Agent Systems via Group Sequence Policy Optimization
机构 * Sun Yat-sen University（中山大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI
Confabulations from ACL Publications (CAP): A Dataset for Scientific Hallucination Detection
机构 * Charles University, Prague（查尔斯大学，布拉格） ； Independent Researcher（独立研究者） ； University of Helsinki, Finland（赫尔辛基大学） ； University of British Columbia, Vancouver, Canada（不列颠哥伦比亚大学，温哥华，加拿大） ； Chosun University, South Korea（成均馆大学，韩国）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
VideoHallu: Evaluating and Mitigating Multi-modal Hallucinations on Synthetic Video Understanding
机构 * University of Maryland, College Park（马里兰大学学院公园分校）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.LG
Journal ref NeurIPS 2025
ChemVLM: Exploring the Power of Multimodal Large Language Models in Chemistry Area
专题命中 推理评测 ：reasoning(abstract)；分类 cs.LG
Comments 11 pages, updated version
Addressing Corner Cases in Autonomous Driving: A World Model-based Approach with Mixture of Experts and LLMs
机构 * State Key Laboratory of Internet of Things for Smart City, University of Macau（物联网智能城市国家重点实验室，澳门大学） ； Department of Computer and Information Science, University of Macau（计算机与信息科学系，澳门大学） ； Department of Civil and Environmental Engineering, University of Macau（土木与环境工程系，澳门大学） ； Senseable City Lab, Massachusetts Institute of Technology（可感知城市实验室，麻省理工学院） ； Department of Civil and Environmental Engineering, University of Hawaii（土木与环境工程系，夏威夷大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI
Understanding and Mitigating Numerical Sources of Nondeterminism in LLM Inference
机构 * Rice University（Rice大学） ； University of Minnesota Twin Cities（明尼苏达大学双城分校） ； Adobe Inc.（Adobe公司）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
TCM-Ladder: A Benchmark for Multimodal Question Answering on Traditional Chinese Medicine
机构 * Department of Electrical Engineering and Computer Science, University of Missouri（密苏里大学电气工程与计算机科学系） ； Christopher S. Bond Life Sciences Center, University of Missouri（密苏里大学克里斯托弗·S·邦德生命科学中心） ； Department of Computer Science, Northwestern University（西北大学计算机科学系） ； Department of Computer Science and Mathematics, Truman State University（特拉华州立大学计算机科学与数学系） ； Marquette High School（马基特高中） ； Community Health Service Center, Shanghai Pudong New Area（上海浦东新区社区卫生服务中心） ； School of Engineering and Applied Science, University of Pennsylvania（宾夕法尼亚大学工程与应用科学学院） ； Department of Endocrinology, Seventh People’s Hospital of Shanghai University of Traditional Chinese Medicine（上海中医药大学第七人民医院内分泌科） ； School of Acupuncture-Moxibustion and Tuina, Shanghai University of Traditional Chinese Medicine（上海中医药大学针灸推拿学院）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
3D-RAD: A Comprehensive 3D Radiology Med-VQA Dataset with Multi-Temporal Analysis and Diverse Diagnostic Tasks
机构 * ZJU-Angelalign R&D Center for Intelligence Healthcare（浙江大学智能医疗研发中心） ； Zhejiang University（浙江大学） ； Zhejiang Key Laboratory of Medical Imaging Artificial Intelligence（浙江省医学影像人工智能重点实验室） ； Guangdong Institute of Intelligence Science and Technology（广东省智能科学与技术研究院）
专题命中 推理评测 ：reasoning(abstract)
Comments Accepted by NeurIPS 2025
